賈曉惠，張東輝

(1. 大連海事大學(xué) 航運與經(jīng)濟管理學(xué)院，遼寧 大連 116026; 2. 大連海事大學(xué) 交通運輸工程學(xué)院，遼寧 大連 116026)

0 引 言

海運承擔(dān)了90%的外貿(mào)貨物運輸量，在國際貿(mào)易中扮演著十分重要的角色，也是我國“一帶一路”和海運強國戰(zhàn)略實施的關(guān)鍵環(huán)節(jié)。但是隨著世界經(jīng)濟增速變緩，航運業(yè)呈現(xiàn)低靡，市場競爭日益加劇。海運物流企業(yè)為滿足客戶需求的多樣化和個性化，需要不斷提升自身服務(wù)能力。與其他物流相比，海運物流鏈條較長、環(huán)節(jié)較多(如發(fā)貨、訂艙、運輸、倉儲、進出港、報關(guān)、報檢等)，參與者較多(如船東、貨主、發(fā)貨人、貨代、船代、承運人、海關(guān)、港口等)，影響因素較多(如政策、法律、法規(guī)、環(huán)境、氣候等)，這些特點使海運物流的不確定性增強，各種風(fēng)險發(fā)生可能性增大。因此，如何進行有效的風(fēng)險管理，識別海運物流運作過程中的風(fēng)險，提高企業(yè)的風(fēng)險防范水平，成為海運物流企業(yè)最關(guān)心的問題。

研究者們對相關(guān)風(fēng)險十分關(guān)注，目前的研究主要集中在對不同環(huán)節(jié)存在的風(fēng)險進行識別與評估。吳雷[1]針對海上運輸中常見的提單風(fēng)險進行了分析；周涂強等[2]探討了水上交通安全問題；C.K.ALI等[3]對船舶系泊作業(yè)中可能造成的人員安全風(fēng)險進行分析。

相關(guān)研究主要集中在對單個風(fēng)險規(guī)模的評價，較少從系統(tǒng)的角度出發(fā)，探索風(fēng)險之間的相互影響。在風(fēng)險管理中，若只考慮單個風(fēng)險的規(guī)模，忽視系統(tǒng)內(nèi)部各風(fēng)險間的相互影響，無法更好從整體上預(yù)測和控制風(fēng)險。筆者在前人研究的基礎(chǔ)上，挖掘海運物流信息風(fēng)險和操作風(fēng)險的關(guān)聯(lián)性，探究海運物流信息風(fēng)險對操作風(fēng)險的影響，為海運物流企業(yè)實施有效的風(fēng)險管理提供參考。

1 風(fēng)險識別

通過對文獻梳理和歸納，海運物流信息風(fēng)險包括信息準(zhǔn)確性風(fēng)險、信息及時性風(fēng)險和信息安全性風(fēng)險；海運物流操作風(fēng)險包括運輸延誤風(fēng)險、貨物受損/丟失風(fēng)險、資產(chǎn)受損/丟失風(fēng)險、清關(guān)風(fēng)險、倉儲風(fēng)險、人員安全風(fēng)險等。各類風(fēng)險指標(biāo)的具體描述如表1[7]。

表1 各類風(fēng)險指標(biāo)Table 1 Various risk indicators

(續(xù)表1)一級指標(biāo)二級指標(biāo)三級指標(biāo)操作風(fēng)險(Y)運輸延誤風(fēng)險(Y4)貨物受損/丟失風(fēng)險(Y5)資產(chǎn)受損/丟失風(fēng)險(Y6)清關(guān)風(fēng)險(Y7)倉儲風(fēng)險(Y8)人員安全風(fēng)險(Y9)交通堵塞裝貨/卸貨效率低由于意外事故(如自然災(zāi)害、疾病、船舶碰撞、擱淺、觸礁等)造成貨物延誤港口罷工船隊/車隊規(guī)模和設(shè)定的時間表缺乏靈活性船舶人員、貨物包裝和裝卸時操作不當(dāng)造成的貨物被損壞、被污染海盜攻擊、搶劫造成貨物受損由于意外事故(如交通事故、火災(zāi)、爆炸等)造成貨物受損或泄露貨物丟失(如海盜攻擊、搶劫、恐怖襲擊、船舶沉沒和失蹤、貨物被盜等)駕駛員、港口人員、船舶人員、維修人員等操作不當(dāng)造成交通設(shè)施損壞由于意外事故(如火災(zāi)、爆炸、交通事故)造成交通設(shè)施損壞船舶沉沒和失蹤(如惡劣天氣、恐怖襲擊等原因造成)海盜攻擊、搶劫造成交通設(shè)施損壞貨物被海關(guān)扣留報關(guān)報檢時間的不確定性倉儲空間不足倉儲費用增加相關(guān)人員受傷相關(guān)人員死亡相關(guān)人員失蹤

2 數(shù)據(jù)收集與方法選擇

2.1 數(shù)據(jù)的收集

筆者采用問卷調(diào)查的方法收集各風(fēng)險三級指標(biāo)發(fā)生的頻率。問卷由兩部分組成，第一部分為受訪者的個人信息；第二部分采用李克特5級量表衡量風(fēng)險三級指標(biāo)發(fā)生的頻率，將三級指標(biāo)作為題項，邀請具有豐富經(jīng)驗的行業(yè)專家對風(fēng)險發(fā)生的頻率進行打分，其中“1”表示“超過3年發(fā)生一次”，“2”表示“1～3年發(fā)生一次”，“3”表示“1年發(fā)生一次”，“4”表示“半年至1年發(fā)生一次”，“5”表示“3個月至半年發(fā)生一次”。

共收回問卷105份，其中有效問卷101份，有效率為96.19%。專家來自于大連、青島、威海、上海、深圳、廣州等多個地區(qū)的不同規(guī)模的海運物流企業(yè)，其中管理者58人，占總?cè)藬?shù)的57.43%，實操人員43人，占總?cè)藬?shù)的42.57%。所邀專家工作年限較長，有豐富的相關(guān)工作經(jīng)驗和較強的判斷能力，可以認(rèn)為他們對海運物流風(fēng)險有較客觀和準(zhǔn)確的認(rèn)知。對問卷量表進行信度和效度分析，得出Cronbach’s α系數(shù)為0.933，信度較好；KMO統(tǒng)計量為0.854，Bartlett球形檢驗的顯著性水平值為0.000，表明變量間相關(guān)性較強，問卷結(jié)構(gòu)效度較好。

2.2 方法選擇

筆者采用基于軟集的關(guān)聯(lián)規(guī)則挖掘方法。Molodtsov提出軟集理論，作為一種處理不確定性的通用數(shù)學(xué)工具?；驹硎腔趨?shù)化思想，從不同角度去理解復(fù)雜對象，而對參數(shù)的描述可以為句子或詞語，數(shù)字，函數(shù)，圖像等[8]。由于風(fēng)險發(fā)生的不確定性，軟集理論在風(fēng)險評估方面得到了應(yīng)用。申韜[9]基于軟集理論對小額貸款公司的信用風(fēng)險進行評估；K.PATRA等[10]綜合評價了供應(yīng)商選擇風(fēng)險。T.HERAWAN等[11]首次提出將軟集理論與關(guān)聯(lián)規(guī)則相結(jié)合的方法，通過實例證明了該方法在探索事物關(guān)聯(lián)性方面的；F.FENG等[12]通過基于軟集的關(guān)聯(lián)規(guī)則方法對臨床診斷中病人的癥狀和患病風(fēng)險之間的關(guān)聯(lián)性進行挖掘。因此，基于軟集的關(guān)聯(lián)規(guī)則挖掘方法適用于筆者的問題分析，且軟集與關(guān)聯(lián)規(guī)則的結(jié)合擴大了關(guān)聯(lián)規(guī)則的適用范圍，也能更好描述海運物流風(fēng)險發(fā)生頻率的等級變化。基于以上分析，筆者采用“高頻”、“中頻”、“低頻”等描述性語言作為參數(shù)來描述風(fēng)險發(fā)生的不確定性,構(gòu)建風(fēng)險發(fā)生頻率軟集，挖掘海運物流中信息風(fēng)險和操作風(fēng)險的關(guān)聯(lián)性，以分析信息風(fēng)險對操作風(fēng)險的影響機理。

3 數(shù)據(jù)分析

3.1 軟集構(gòu)建

依據(jù)專家對三級指標(biāo)打分，確定二級指標(biāo)的頻率等級。對每位專家對二級指標(biāo)下的三級指標(biāo)打分取平均數(shù)，可得到101位專家對該二級指標(biāo)的風(fēng)險頻率得分。通過文獻梳理可，知風(fēng)險指標(biāo)等級劃分并沒有確定標(biāo)準(zhǔn)，大多依據(jù)實際研究結(jié)果而定，筆者結(jié)合調(diào)研問卷中5級量表對風(fēng)險頻率的相關(guān)描述與文獻[13]中的等級劃分，定義當(dāng)風(fēng)險指標(biāo)得分≤2時為低頻率；當(dāng)風(fēng)險指標(biāo)的得分>2且<4時為中頻率；當(dāng)風(fēng)險指標(biāo)的得分≥4時為高頻率。

組建后，獨家管網(wǎng)形成新的高度壟斷，只是將一家或數(shù)家國企壟斷變?yōu)榱硪患覈髩艛?，既有龐大的現(xiàn)有管網(wǎng)，又有新建管網(wǎng)沿線土地資源，無法實質(zhì)性解決油氣管道的自然壟斷問題。不僅如此，管網(wǎng)建設(shè)依賴上游資源，目前還需要大規(guī)模的投資，拆分管網(wǎng)將影響現(xiàn)有石油公司繼續(xù)投資管道建設(shè)的積極性，而且新組建的公司籌資身份難確定，籌資將更加困難。由于缺乏競爭動力，投資積極性降低，建設(shè)力量單一，組建獨立的管網(wǎng)公司后天然氣管道的建設(shè)速度可能放緩，很難跟上我國天然氣產(chǎn)業(yè)快速發(fā)展的需要，很可能由此形成新的發(fā)展制約。自從管網(wǎng)獨立改革消息傳出后，中國的天然氣管道建設(shè)速度明顯放緩，現(xiàn)有管道運輸企業(yè)新建管道積極性大幅受挫[6]。

根據(jù)軟集定義，設(shè)U是初始論域，A是參數(shù)集，集合U的冪集為P(U)，當(dāng)且僅當(dāng)F是A到U的所有子集的一個映射時，稱(F，A)是U上的一個軟集。軟集(F，A)可以看作是論域U的參數(shù)化族，對于每一個參數(shù)a∈A，F(xiàn)(a)?U都可以看作是軟集合(F，A)中a-近似元素的集合，即滿足參數(shù)a的對象u的集合，其中u∈U。D=(F，A)是定義在論域U上的描述海運物流信息風(fēng)險和操作風(fēng)險發(fā)生頻率的軟集，其中初始論域U即為對問卷進行打分的101位專家，對象ui∈U(i=1,2，….，101)對應(yīng)于第i位專家，通過對風(fēng)險頻率等級劃分，選取信息準(zhǔn)確性風(fēng)險(X1)、信息及時性風(fēng)險(X2)、信息安全性風(fēng)險(X3)，運輸延誤風(fēng)險(Y4)、貨物受損/丟失風(fēng)險(Y5)、資產(chǎn)受損/丟失風(fēng)險(Y6)、清關(guān)風(fēng)險(Y7)、倉儲風(fēng)險(Y8)、人員安全風(fēng)險(Y9)等風(fēng)險的不同風(fēng)險等級作為參數(shù)集A，參數(shù)akj∈A(k=1,2,…,9;j=1,2,3)，k代表二級風(fēng)險指標(biāo)的編號，j代表風(fēng)險的不同頻率等級，其中“1”代表低頻，“2”代表中頻，“3”代表高頻。akj代表第K個風(fēng)險指標(biāo)處于j頻率等級，例如，a11代表X1-低頻、a12代表X1-中頻、a13代表X1-高頻等。對于每一個參數(shù)akj，F(xiàn)(akj)代表相應(yīng)二級指標(biāo)發(fā)生頻率等級滿足參數(shù)akj的所有專家編號的集合。

3.2 頻繁項集確定

筆者采用文獻[12]中對相關(guān)概念的定義。已知(F,A)是論域U上的一個軟集，且u∈U，則對象u的共現(xiàn)集定義為式(1)：

Co(u)={a∈A:u∈F(a)}

(1)

由定義可知，共現(xiàn)集即表示對象u具有的所有參數(shù)a的集合。通過該定義，可以得到軟集D中，各對象u的共現(xiàn)集，即每位專家對海運物流風(fēng)險二級指標(biāo)打分所屬的頻率等級；在共現(xiàn)集基礎(chǔ)上，筆者定義了屬性集M的實現(xiàn)集，(F,A)是論域U上的一個軟集，且M為參數(shù)集A的非空子集，當(dāng)對象u∈U且M?Co(u)，稱對象u支持屬性集M，則屬性集M的實現(xiàn)集定義為式(2)：

ΔD(M)={u∈U:M?Co(u)}

(2)

滿足參數(shù)akj的所有專家u的集合即屬性集共有27個。然后根據(jù)每一位專家對二級指標(biāo)的頻率打分所屬的頻率等級，計算所有支持某一個二級風(fēng)險指標(biāo)的頻率等級的專家集合，即所有屬性集的實現(xiàn)集。該集合表示集合內(nèi)的專家對該二級指標(biāo)的頻率等級持相同意見。通過計算結(jié)果可得，對同一個二級指標(biāo)的發(fā)生頻率，不同專家具有不同看法，為了規(guī)避少數(shù)極端值影響，進一步計算頻繁項集。

給定一個最小支持度為σ，當(dāng)屬性集M的支持度SUPP(M)≥σ時，稱屬性集M為頻繁項集。其中屬性集M的支持度為式(3)：

(3)

通過頻繁項集的確定，篩選出滿足一定支持度的屬性集，即當(dāng)滿足屬性集M的對象u的個數(shù)在設(shè)定可以接受的范圍內(nèi)時，該屬性集才被認(rèn)為可取。由文獻[14]、[15]可得，一般情況下最小支持度的取值范圍為≥15%。筆者取最小支持度為15%，篩選出滿足最小支持度為15%的頻繁項集,解釋為支持該二級指標(biāo)的某一頻率等級的專家個數(shù)大于等于σ×|U|時，認(rèn)為其可信。二級指標(biāo)中頻繁項集的計算，保證了后續(xù)進行關(guān)聯(lián)規(guī)則挖掘指標(biāo)的某一頻率等級被大部分專家認(rèn)可，剔除了個別專家極端值。通過MATLAB軟件編程可得最終結(jié)果如表2。

表2 頻繁項集的確定Table 2 Determination of frequent sets of parameters

3.3 關(guān)聯(lián)規(guī)則挖掘

將I和O定義為信息風(fēng)險和操作風(fēng)險的兩個不相交的屬性集I,O?A，則表達式I?O稱為一個關(guān)聯(lián)規(guī)則，I,O分別稱為規(guī)則的前件和后件,關(guān)聯(lián)規(guī)則I?O的實現(xiàn)集ΔD(I?O)定義為式(4)：

ΔD(I?O)=ΔD(I∪O)

(4)

關(guān)聯(lián)規(guī)則的支持度和置信度是決定該規(guī)則是否可信的重要指標(biāo)，關(guān)聯(lián)規(guī)則I?O的支持度SUPP(I?O)定義為式(5)：

(5)

給定一個最小支持度為σ，當(dāng)關(guān)聯(lián)規(guī)則I?O的支持度SUPP(I?O)≥σ時，稱關(guān)聯(lián)規(guī)則I?O為σ-強支持度規(guī)則。關(guān)聯(lián)規(guī)則I?O的置信度Conf(I?O)定義為式(6)：

(6)

此外，若SUPP(I)=0，則令Conf(I?O)=0。給定一個最小置信度為γ，當(dāng)關(guān)聯(lián)規(guī)則I?O的置信度Conf(I?O)≥γ時，稱關(guān)聯(lián)規(guī)則I?O為γ-強置信度規(guī)則。

為了探索信息風(fēng)險對操作風(fēng)險影響，將頻繁項集中的信息風(fēng)險二級指標(biāo)以及相對應(yīng)的頻率等級分別作為關(guān)聯(lián)規(guī)則的前件，即X1-低頻、X1-中頻、X1-高頻、X2-低頻、X2-中頻、X2-高頻、X3-低頻、X3-中頻；將操作風(fēng)險二級指標(biāo)以及相對應(yīng)的頻率等級分別作為關(guān)聯(lián)規(guī)則的后件，即Y4-低頻、Y4-中頻、Y5-低頻、Y5-中頻、Y6-低頻、Y6-中頻、Y7-低頻、Y7-中頻、Y7-高頻、Y8-低頻、Y8-中頻、Y8-高頻、Y9-低頻進行關(guān)聯(lián)規(guī)則的挖掘，探索信息風(fēng)險發(fā)生的情況下，對操作風(fēng)險發(fā)生的影響。由文獻[14]、[15]可得，最小置信度的取值一般≥70%。筆者定義滿足最小支持度σ=15%和最小置信度γ=70%的關(guān)聯(lián)規(guī)則，認(rèn)為是可以接受的。

依據(jù)關(guān)聯(lián)規(guī)則支持度定義，計算規(guī)則的支持度，即支持該規(guī)則的專家人數(shù)占總?cè)藬?shù)比重。當(dāng)規(guī)則的支持度≥最小支持度σ時，依據(jù)關(guān)聯(lián)規(guī)則置信度定義，計算規(guī)則置信度，即在規(guī)則前件出現(xiàn)的前提下后件出現(xiàn)的概率；當(dāng)規(guī)則的置信度≥最小置信度γ時，認(rèn)為該規(guī)則為強支持度強置信度規(guī)則。根據(jù)MATLAB計算結(jié)果可得所有強支持度強置信度規(guī)則如表3。

表3 強支持度強置信度規(guī)則Table 3 σ-strong and γ -reliable rules

3.4 結(jié)果分析

對結(jié)果進行分析，由X1-低頻?Y5-低頻、X1-中頻?Y5-低頻這兩條關(guān)聯(lián)規(guī)則可得，當(dāng)信息準(zhǔn)確性風(fēng)險發(fā)生頻率為低頻或者中頻時，貨物受損/丟失風(fēng)險發(fā)生頻率均為低頻?？梢钥闯?，信息準(zhǔn)確性風(fēng)險發(fā)生與否，對貨物受損/丟失風(fēng)險的發(fā)生沒有直接影響；同理可得，由X1-低頻?Y6-低頻、X1-中頻?Y6-低頻、X1-高頻?Y6-低頻、X1-低頻?Y9-低頻、X1-中頻?Y9-低頻、X1-高頻?Y9-低頻可以得到，信息準(zhǔn)確性風(fēng)險發(fā)生與否，對資產(chǎn)受損/丟失風(fēng)險、人員安全風(fēng)險沒有直接影響；由X2-低頻?Y5-低頻、X2-中頻?Y5-低頻、X2-低頻?Y9-低頻、X2-中頻?Y9-低頻可以得到，信息及時性風(fēng)險發(fā)生與否，對貨物受損/丟失風(fēng)險和人員安全風(fēng)險沒有直接影響。

由X1-低頻?Y4-低頻、X1-低頻?Y8-低頻這兩條關(guān)聯(lián)規(guī)則可知，信息準(zhǔn)確性風(fēng)險發(fā)生可能會導(dǎo)致運輸延誤風(fēng)險和倉儲風(fēng)險發(fā)生；由X2-低頻?Y6-低頻可知，信息及時性風(fēng)險可能會導(dǎo)致資產(chǎn)受損/丟失風(fēng)險；X3-低頻?Y5-低頻、X3-低頻?Y6-低頻、X3-低頻?Y9-低頻可知，信息安全性風(fēng)險均可導(dǎo)致貨物受損/丟失風(fēng)險、資產(chǎn)受損/丟失風(fēng)險、人員安全風(fēng)險的發(fā)生。

為了更加清晰二級指標(biāo)之間的關(guān)系，依據(jù)置信度的大小，將二級指標(biāo)按影響強弱關(guān)系排序。筆者定義當(dāng)置信度<0.7為無影響；置信度≥0.7且<0.8為影響一般；置信度≥0.8且<0.9為影響較強；置信度≥0.9且≤1為影響很強。結(jié)果如表4。

表4 海運物流信息風(fēng)險對操作風(fēng)險影響強弱等級排序Table 4 Ranking of the influence of maritime logistics information risk on operation risk

由表4可以看出，當(dāng)信息風(fēng)險發(fā)生時，操作風(fēng)險6個指標(biāo)中有5個會發(fā)生，即83.33%的風(fēng)險都會受到不同程度的影響。因此，信息風(fēng)險管理在海運物流操作風(fēng)險管理中扮演重要角色。同時，信息及時性風(fēng)險發(fā)生時，90%以上概率會導(dǎo)致資產(chǎn)受損/丟失風(fēng)險發(fā)生，可以得出信息及時性風(fēng)險會對此類風(fēng)險產(chǎn)生很強影響；信息安全性風(fēng)險發(fā)生時，80%以上概率會導(dǎo)致貨物受損/丟失、資產(chǎn)受損/丟失、人員安全等風(fēng)險發(fā)生，所以信息安全性風(fēng)險會對此三類風(fēng)險產(chǎn)生較強影響，且相對于信息準(zhǔn)確性和及時性，其影響范圍最大；信息準(zhǔn)確性風(fēng)險發(fā)生時，70%以上概率會導(dǎo)致運輸延誤風(fēng)險和倉儲風(fēng)險，可以得出信息準(zhǔn)確性風(fēng)險對此兩類風(fēng)險會產(chǎn)生影響。

4 結(jié) 語

筆者通過文獻閱讀法對海運物流風(fēng)險指標(biāo)進行識別，運用問卷調(diào)查法獲取各風(fēng)險指標(biāo)發(fā)生頻率，采用基于軟集的關(guān)聯(lián)規(guī)則方法對海運物流信息風(fēng)險與操作風(fēng)險之間的關(guān)聯(lián)性進行挖掘，并得出以下研究結(jié)論：

1)信息風(fēng)險管理在海運物流操作風(fēng)險管理中扮演重要角色。

2)信息及時性風(fēng)險會對資產(chǎn)受損/丟失風(fēng)險產(chǎn)生很強的影響。

3)信息安全性風(fēng)險會對貨物受損/丟失風(fēng)險、資產(chǎn)受損/丟失風(fēng)險、人員安全風(fēng)險產(chǎn)生較強的影響，且相對于信息及時性和準(zhǔn)確性風(fēng)險，其對操作風(fēng)險影響范圍最大。

4)信息準(zhǔn)確性風(fēng)險的發(fā)生對運輸延誤風(fēng)險、倉儲風(fēng)險的發(fā)生會產(chǎn)生影響。

筆者研究結(jié)論揭示了海運物流信息風(fēng)險與操作風(fēng)險之間的關(guān)聯(lián)性，明確了海運物流信息風(fēng)險對操作風(fēng)險的影響機理，從理論層面豐富了海運物流風(fēng)險的研究；并且筆者首次將軟集理論應(yīng)用到海運物流風(fēng)險研究中，建立了海運物流信息風(fēng)險和操作風(fēng)險發(fā)生頻率軟集，拓展了軟集理論的應(yīng)用范圍。此外，研究結(jié)論對海運物流企業(yè)的實踐也具有指導(dǎo)意義，企業(yè)可從系統(tǒng)的角度考查風(fēng)險的相關(guān)性，從信息風(fēng)險角度預(yù)測和控制操作風(fēng)險，實現(xiàn)更加有效的風(fēng)險管理。